ВведениеСовременное строительное производство представляет собой сложный динамический процесс, эффективность которого в значительной степени определяется качеством управления парком строительной техники на всех этапах жизненного цикла объекта [1, 2]. От своевременности и производительности машин зависят не только текущие темпы работ, но и долгосрочные показатели надежности, стоимости эксплуатации и соблюдения инвестиционных графиков [3, 4]. В парадигме управления жизненным циклом (Building Lifecycle Management, BLM) строительная техника рассматривается не как изолированный ресурс, а как неотъемлемый элемент, влияющий на формирование затрат на этапе строительства и закладывающий основы будущих эксплуатационных расходов1[2].Традиционные методы диспетчеризации и контроля, базирующиеся на дискретных плановых замерах и эмпирических решениях, не позволяют оперативно реагировать на возникающие дисбалансы [3]. Внедрение технологий информационного моделирования (BIM) и систем промышленного интернета вещей (IoT) обеспечивает непрерывный поток телеметрических данных (координаты, нагрузка, расход топлива, моточасы) [5, 6]. Однако наличие «сырых» данных не равнозначно наличию эффективных управленческих решений. Существует методологический разрыв между потоком регистрируемых параметров и их интерпретацией в контексте жизненного цикла объекта. Отсутствие формализованных алгоритмов, интегрирующих данные мониторинга с нормативной базой (СП, ГОСТ, ЕНиР) и динамической BIM-моделью, препятствует реализации потенциала «умной» стройки1 [6].Целью настоящей работы является разработка алгоритма интеллектуальной обработки данных мониторинга строительной техники, обеспечивающего оперативное выявление дисбалансов и выработку оптимальных управляющих воздействий для минимизации интегральных потерь на всех стадиях инвестиционно-строительного проекта [1, 7].Методологическая база исследования носит комплексный междисциплинарный характер. Системный анализ позволил декомпозировать процесс эксплуатации техники на контролируемые элементы и установить взаимосвязи между их состоянием и целевыми показателями жизненного цикла [3]. Математическое моделирование использовано для формализации состояния единицы техники в виде многомерного вектора, отражающего временные, нагрузочные, топливные и пространственные характеристики [7]. Методы оптимизации (линейное программирование, метод PERT) применены для решения задачи оперативного перераспределения ресурсов: целевая функция минимизирует суммарные потери от простоев, задержек задач и перебазирования при соблюдении технологических ограничений [7]. Вероятностно-статистические методы и методы машинного обучения обеспечивают расчет интегральных показателей дисбаланса, адаптацию весовых коэффициентов и обработку видеоданных для автоматического распознавания рабочих циклов [5]. Геоинформационные методы позволяют учитывать пространственное расположение техники и задач при планировании маршрутов. Нормативно-справочная база (СП 48.13330, ГОСТ Р 57360, ЕНиР) интегрирована в алгоритм для обеспечения сопоставимости фактических показателей с отраслевыми стандартами, регламентирующими процессы на этапах строительства и эксплуатации2.Научная новизна работы заключается в создании целостного алгоритма, реализующего замкнутый цикл управления «планирование – мониторинг – анализ – коррекция» на базе интеграции разнородных данных (телеметрия, видео, BIM-модель) в контексте управления жизненным циклом объекта [2, 5]. Практическая значимость состоит в возможности перевести управление парком техники с уровня эмпирических решений на уровень количественно обоснованных управленческих воздействий, что напрямую способствует повышению организационно-технологической надежности строительства и снижению совокупной стоимости владения (Total Cost of Ownership, TCO) как для техники, так и для возводимого объекта в целом [3, 4].1. Алгоритм интеллектуальной обработки данных мониторинга строительной техники в системе управления жизненным циклом объектаРазработанный алгоритм представляет собой формализованную процедуру адаптивного управления, реализующую принцип «планирование-мониторинг-анализ-коррекция» в реальном времени. Его цель — минимизация интегральных потерь от неэффективного использования строительной техники за счет оперативного устранения дисбалансов между плановым и фактическим состоянием системы.1.1. Концептуальная основа и нормативные требованияАлгоритм построен с учетом требований ключевых нормативных документов, регулирующих организацию строительного производства и использование техники:СП 48.13330.2019 «Организация строительства»: алгоритм обеспечивает выполнение п. 5.7 (оперативный контроль и учет работ) и п. 6.4 (управление материально-техническими ресурсами) за счет непрерывного мониторинга и автоматизированного формирования отчетных данных2;ГОСТ Р 57360-2016/ISO 15686-1:2011 «Здания и сооружения. Планирование срока службы»: реализуется принцип стоимостного учета жизненного цикла (LCC) за счет контроля параметров, влияющих на износ и будущие затраты на ремонт (моточасы, режимы нагрузки)1;Ведомственные нормы (ВНиР, ЕНиР): фактические показатели работы (объемы, время) сопоставляются с нормативными, заложенными в алгоритм, для расчета коэффициента выполнения норм и выявления причин отклонений [4].1.2 Математическая модель состояния и эффективности единицы техникиБазовой единицей управления в рамках рассматриваемой системы выступает отдельная машина или транспортное средство. Её состояние в момент времени t описывается вектором $\vec{S}_{i}(t)$, который можно представить в следующем виде:$\vec{S}(t)=[T_{рi}(t),T_{пi}(t),Φ_{i}(t),L_{i}(t),ΔQ_{i}(t),Π_{i}(t),\vec{X_{i}}(t)],$где:Tрi(t) — накопленное время полезной работы на интервале [t0,t], ч.Tпi(t) — накопленное время планового и внепланового простоя, ч.Φi(t) — текущая производительность (фактический объем работ за ед. времени), ед./ч. Определяется через обработку видеоданных и показания датчиков нагрузки.Li(t) — интегральная нагрузка (условные моточасы под нагрузкой), определяемая как $L_{i}(t)=\int_{t0}^tk_{нагр}(τ)\in\left[0,1\right]$ — коэффициент загрузки от датчиков.ΔQi(t) — отклонение фактического расхода топлива от нормативного Qнi, л/ч. Рассчитывается по формуле: ΔQi(t)=Qфакт.i(t)-Qнi⋅(1+α⋅(Tвозд-20)+β⋅(Li(t)-Lср)), где α, β — корректирующие коэффициенты по нормам Минтранса.Πi(t) — приоритет текущего задания по 10-балльной шкале (критический путь, следующая работа в ожидании).$\vec{X_{i}}(t)]$ — вектор координат в системе координат строительной площадки.1.3 Ключевые расчетные показатели (KPI) на единицу техники:Одним из основных показателей является коэффициент технического использования (Кти), который определяется следующим образом:$Кти_{i}(t)=\frac{T_{рi}(t)}{T_{рi}(t)+T_{пi.внепл}(t)},$где Tпi.внепл — время внепланового простоя. Целевое значение Ктиi→1.Данный коэффициент характеризует долю времени, в течение которого техника фактически используется по назначению. Снижение значения ниже уровня 0.75, согласно отраслевой статистике, рассматривается как индикатор необходимости дополнительного анализа.Коэффициент выполнения нормы выработки (Квн) может быть рассчитан по формуле:$Квн_{i}(t)=\frac{V_{факт.i}(t)}{V_{план.i}(t)}=\frac{\int_{t_{0}}^{^{t}}Φ_{i}(τ)dτ}{\sum_j N_{выр.ij}\cdot T_{р.ij}},$где Vплан.i(t) — плановый объем по заданию, рассчитанный на основе норм времени из ЕНиР Nвыр.ij для операции j [4].Значение коэффициента ниже единицы указывает на возможные проблемы в организации рабочего процесса либо на наличие технических неисправностей оборудования.2. Алгоритм адаптивного управления (пошаговая формализация)Шаг 1. Сбор и верификация данныхПолучение вектора $\vec{S}_{i}(t)$ для каждой единицы техники i∈I. Верификация включает проверку физической корректности данных (например, превышение допустимой скорости для конкретного типа техники интерпретируется как ошибка датчика), а также синхронизацию временных меток с точностью до ±5 секунд.Шаг 2. Ситуационный анализ и выявление дисбалансовДля каждой машины рассчитываются отклонения δi(t):$δ_{i}(t)=ω_{1}\cdot (1-Кти_{i}(t))+ω_{2}\cdot (1-Квн_{i}(t))+ω_{3}\cdot \frac{ΔQ_{i}(t)}{Q_{нi}}+ω_{4}\cdot ΔΠ_{i}(t)$где ω1...ω4 — весовые коэффициенты, определяемые приоритетами проекта (сроки, стоимость, ресурс), ∑ω=1. ΔΠi(t) — снижение приоритета текущей задачи.Полученное значение позволяет оценить степень отклонения текущего состояния техники от плановых параметров и выявить потенциальные дисбалансы.Шаг 3. Прогнозирование и ранжирование задачНа основе данных BIM-модели (график 4D) [2] и текущего состояния формируется ранжированный список предстоящих задач {Zk}, каждая из которых характеризуется:Типом требуемой техники Mk.Плановой длительностью Dk.Приоритетом Pk (с учетом резервов времени по критическому пути, рассчитываемых методом PERT).Геокоординатами $\vec{X}_{k}$.Шаг 4. Формирование управляющих воздействий (оптимизационная задача)При превышении порога δi(t)>δдоп или при освобождении техники, запускается алгоритм перераспределения. Целевая функция минимизации общих потерь на горизонте планирования T (например, смена):$F=\min\left(\sum_{i\in I}C_{i.простой}\cdot T_{пi}+\sum_{k\in K}C_{k.задержки}\cdot\max(0,t_{нач.k}-t_{план.нач.k})+\sum_{i\in I}C_{i.переб}\cdot d(\vec{X_{i}},\vec{X_{k}})\right)$где:Ci.простой — стоимость простоя машины i (аренда/амортизация + зарплата оператора в час).Ck.задержки — штраф за срыв сроков задачи k (определяется договором).Ci.переб — стоимость перебазирования техники на единицу расстояния.$d\vec{X}_{i},\vec{X}_{k}$ — расстояние от текущего положения машины i до места задачи k, рассчитываемое с учетом внутриплощадочных дорог и препятствий.Ограничения:$\sum_{i\in I_{m}}T_{рi}\ge\sum_{k\in K_{m}}D_{k}$ — обеспеченность ресурсом типа m (например, экскаваторы).Tрi≤Tсм-TТО — учет времени на плановое ТО и пересмену.Φi≥Φmin — производительность не ниже минимально допустимой для данной задачи.Шаг 5. Валидация и исполнениеРешение, полученное на Шаге 4, представляется диспетчеру в виде оптимального варианта («Назначить экскаватор Э-5 на разработку котлована участка А2») и 1-2 запасных. Диспетчер, обладая контекстуальными знаниями (например, «оператор Э-5 заболел»), утверждает или корректирует решение. Утвержденное решение направляется исполнителям, а плановые показатели в BIM-модели корректируются.Шаг 6. Оценка эффективности и обучениеПо итогам отчетного периода (смена, сутки) рассчитывается интегральный показатель эффективности управления парком:$Э_{парк}=\frac{\sum_i(Кти_{i}\cdotКвн_{i}\cdot V_{i})}{\sum_iC_{i.экспл}}\cdot100\%$где Ci.экспл — эксплуатационные затраты на машину i. Данные о результатах решений и фактических показателях накапливаются для последующего уточнения весовых коэффициентов ω и улучшения прогнозных моделей (машинное обучение с подкреплением)2 [3].ЗаключениеРазработанный алгоритм представляет собой формализованное решение задачи перехода от реактивного к превентивному управлению парком строительной техники на протяжении всего жизненного цикла объекта [1, 2]. В отличие от существующих эмпирических подходов [3], предложенная процедура базируется на непрерывном анализе многомерного вектора состояния каждой единицы техники, расчете интегральных показателей дисбаланса и решении оптимизационной задачи перераспределения ресурсов с учетом стоимостных факторов, технологических ограничений и нормативных требований [7]. Ключевой особенностью алгоритма является реализация замкнутого цикла «планирование — мониторинг — анализ — коррекция», включающего этап рефлексивного обучения для последующей адаптации весовых коэффициентов и улучшения прогнозных моделей [5]. Практическая реализация предложенных процедур позволяет минимизировать интегральные потери от простоев, срывов сроков и нерационального использования машин, что напрямую способствует повышению организационно-технологической надежности строительного производства [3] и снижению совокупной стоимости владения как для техники, так и для объекта в целом1. Представленный алгоритм создает методологическую основу для последующей алгоритмизации и разработки цифровых сервисов поддержки принятия решений при управлении техническими ресурсами в строительстве [6]._______1СП 333.1325800.2020 Информационное моделирование в строительстве. М.: Минстрой России, 2020.2СП 48.13330.2019. Организация строительства. Актуализированная редакция СНиП 12-01-2004.  М.: Минстрой России, 2020.